-
公开(公告)号:CN118508431A
公开(公告)日:2024-08-16
申请号:CN202410936677.X
申请日:2024-07-12
Applicant: 中南大学
IPC: H02J3/00 , H02J3/38 , G06F18/241 , G06F18/2431 , G06N3/098
Abstract: 本发明涉及能源优化管理技术领域,具体公开了一种应用于智能微电网的能源优化管理方法,通过在本地设备的本地训练期间建立并运行计算任务分配方法,针对微电网中的异构设备实现了基于实时的动态资源调节,使各设备的运算处理时间趋于一致,平衡各设备之间的计算负荷,通过该种方式来缩短整体设备的计算时间,缩短微电网的整体响应时间,提高能源管理计算效率,解决了传统的应用有联邦学习架构的智能微电网管理系统中,智能微电网中因不同设备之间的异构差异,而导致智能微电网在全局响应过程中设备间响应速度不一致的问题。
-
公开(公告)号:CN118072928B
公开(公告)日:2024-08-09
申请号:CN202410469720.6
申请日:2024-04-18
Applicant: 中南大学
IPC: G16H40/20 , G06F16/28 , G06F18/213 , G06F18/25 , G06F21/60 , G06N5/022 , G06Q10/0631 , G16H10/60
Abstract: 本发明提供了一种基于数据仓库的医疗数据整合系统,通过数据获取模块获取目标患者的个人源信息数据个人源信息数据、患者数据、患者病历数据和药物实验数据;通过数据集成模块将个人源信息数据、患者数据、患者病历数据和药物实验数据进行转换,生成向量矩阵后输入所述多头注意力模型进行并行特征提取并对多头注意力模型的注意力权重进行动态调整,得到特征矩阵;对特征矩阵进行特征融合并结合外部知识库,得到目标患者的数据视图;利用数据仓库模块得到聚合后的数据视图;通过数据统计模块为目标患者分配看诊医生,增加了患者与医生之间的匹配程度;提高了数据整合效率,提升了医疗数据整合系统的有效性。
-
公开(公告)号:CN117195066B
公开(公告)日:2024-08-09
申请号:CN202311047915.3
申请日:2023-08-21
IPC: G06F18/241 , G06F18/10 , G06F18/213 , H04L67/00 , G01R31/00
Abstract: 本发明适用于电力设备故障检测领域,提供了一种分布式电力设备故障检测方法,包括:A采集数据;B数据预处理;C数据编码,构建地标中心提取机制;D地标集合过滤和优化;E数据重构与模型迭代优化;F利用参数服务器进行参数优化,并将参数反馈给本地故障检测模型,完成最终的模型训练;G将电力设备的实时运行数据输入故障检测模型;H利用故障评价函数和故障阈值确定电力设备的故障情况,并根据需求推送故障信息。此外,本发明还提供一种分布式电力设备故障检测系统、存储介质及处理器。本发明能够同时检测多个电力设备是否发生故障,且能有效学习并识别电力设备运行数据中潜在的故障特征,提高设备故障检测的准确度和可靠性。
-
公开(公告)号:CN116738163A
公开(公告)日:2023-09-12
申请号:CN202310523834.X
申请日:2023-05-10
Applicant: 中南大学
IPC: G06F18/20 , G06F16/215 , G06F16/26 , G06Q50/06
Abstract: 本发明涉及数据处理系统,提供了一种基于规则引擎的能源消耗监控管理系统包括:数据采集模块,用于连接数据源以采集能源消耗数据;数据处理模块,用于预处理采集到的原始数据,以提取有效的能源消耗数据;数据存储模块,用于存储和管理所述数据处理模块提取的能源消耗数据;规则定义模块,用于根据能源管理需求配置业务规则;规则引擎模块,用于根据业务规则实时判断和处理能源消耗数据,生成规则执行结果;业务动作模块,根据规则执行结果执行业务动作。本发明基于规则引擎的能源消耗监控管理系统能够根据实时的能源消耗数据,进行自动化决策和智能化控制,提高能源管理的效率和精确性。本发明还提供一种基于规则引擎的能源消耗监控管理方法。
-
公开(公告)号:CN107895100B
公开(公告)日:2021-09-03
申请号:CN201710226894.X
申请日:2017-04-06
Applicant: 中南大学 , 湖南省环境监测中心站
Abstract: 本发明公开了一种流域水质综合评价方法及系统,建立水质综合评估分析模型和信度分布函数,将水质指标的监测值转化为各评估等级的置信度;结合证据推理的合成规则和算法,将隶属于同一评估等级的指标进行证据递归合成,计算出各评估等级的概率分布;引入效用理论,实现水质的相互比较。本发明通过建立流域水质综合评估分析模型和信度分布函数,实现了水质监测数据的归一化处理,避免了打分法对源数据信息的损害,使得各指标监测值的处理更加科学精确,更能反映水质状况;采用证据理论的合成规则和证据推理算法,实现了多指标、多评估等级的证据合成,并充分考虑了不确定信息的处理,使得评价结果更符合实际情况。
-
公开(公告)号:CN1480884A
公开(公告)日:2004-03-10
申请号:CN03124657.5
申请日:2003-07-16
Applicant: 中南大学
IPC: G06F17/60
Abstract: 本发明涉及一种基于互联网结构的群体智能人—机决策方法,它是利用局域内部网和/或因特网,在局域内部网内的Web服务器和数据库服务器内以面向对象的决策支持组件构成一种决策支持系统生成器,这些组件包括互联网环境下群体智能决策支持系统所需的类库、对象及其属性和方法,将提出决策的应用需求的各应用系统作为应用层,通过开发层的各种开发工具,将群体智能决策支持系统生成器组件作为开发资源添加到应用系统中,构成具有群体智能决策支持功能的应用系统或专用决策支持系统,系统在互联网中物理设施即物理层的支撑下运行,远程用户经互联网通过Web服务器、局域内部网用户通过Web服务器执行带决策支持功能的应用系统,应用系统又调用包含在其内部的决策支持系统生成器组件来管理和完成各种决策任务。
-
公开(公告)号:CN119990388A
公开(公告)日:2025-05-13
申请号:CN202411835076.6
申请日:2024-12-13
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/063 , G06Q10/0631 , G06Q10/067 , G06Q50/06 , G06N3/126
Abstract: 本发明涉及碳减排技术领域,具体涉及基于清洁能源配置的跨区输电碳减排测算方法,包括数据采集、数据预处理、碳减排因子计算、碳减排效益模拟、碳减排效果优化、碳减排效果评估和决策支持与反馈步骤,通过实时收集跨区区域内的多源异构数据,并对数据进行预处理,基于处理后的数据构建碳减排因子模型,评估清洁能源在跨区输电中的碳减排效益,并利用多目标仿真算法模拟不同清洁能源配置方案的效益,优化配置方案;最后,通过决策支持系统生成能源调度和跨区输电的决策建议,并反馈至电网运营调度平台,实施最优的能源调度方案;本发明,能够有效提高清洁能源的利用效率,减少电力传输过程中的碳排放,具有重要的生态和经济价值。
-
公开(公告)号:CN119557768B
公开(公告)日:2025-05-02
申请号:CN202510120515.3
申请日:2025-01-25
Applicant: 中南大学
IPC: G06F18/2415 , G06Q10/0635 , G06Q50/06 , G06F18/214
Abstract: 本发明涉及电力系统故障风险诊断技术领域,具体公开了一种电力系统故障风险诊断方法及系统,通过搭建电力系统故障风险诊断系统,基于电力系统故障风险诊断系统实施电力系统故障风险诊断方法,在本方法中,建立基于时间变化的时空动态模型,以实时获取各个节点状态和各个线路状态作为输入,通过时空动态模型实现对其下一时刻状态的预测,进而对系统故障进行多维度分析,最后由智能决策与反馈调整单元来进行对电力系统故障风险概率的计算,并进行判别、精确对比划分故障等级,解决了传统的风险诊断模型,存在缺乏对不同灾害情境的通用数学建模,难以全面反映灾害对电力系统的多重影响的问题。
-
公开(公告)号:CN119154411A
公开(公告)日:2024-12-17
申请号:CN202411645607.5
申请日:2024-11-18
Applicant: 中南大学
IPC: H02J3/46 , H02J3/32 , G06N3/126 , G06Q10/0631 , G06Q50/06
Abstract: 本申请涉及微电网技术领域,提供了一种基于特征空间的微电网调度优化方法及相关设备,该方法包括:基于供电负荷、负荷平均购电单价和平均碳排放量,利用特征空间计算目标微电网的可再生能源利用效率、目标微电网与主网的交换功率;根据可再生能源利用效率构建微电网日前调度优化模型;根据目标微电网与主网的交换功率构建对目标微电网进行调度优化的约束条件;在约束条件的约束下,利用改进后的遗传算法对所述微电网日前调度优化模型进行求解,得到目标微电网的最优调度策略;利用最优调度策略对目标微电网进行调度。本申请的方法能够提高微电网调度优化的可靠性和准确性。
-
公开(公告)号:CN118378722A
公开(公告)日:2024-07-23
申请号:CN202410807736.3
申请日:2024-06-21
Applicant: 中南大学
IPC: G06N20/00 , G06F18/213 , G06F18/23
Abstract: 本发明涉及联邦学习技术领域,具体公开了一种面向数据多元异质场景下的聚类联邦学习方法,首次将向量量化变分自编码器融入联邦学习框架中,以向量量化变分自编码器有效学习并映射本地数据分布至离散特征空间,通过利用此离散空间变量的相似度执行客户端聚类,既保护了本地数据隐私,又有效地压缩了特征表示,同时引用特征锚点进行不同客户端特征字典中的特征对齐,保证了不同客户端特征字典的同一个位置在同一特征空间,进而确保了跨客户端聚合的一致性,解决了传统的面向数据多元异质场景下的联邦学习,因数据的异质性因素会削弱模型在整体数据集上的泛化能力,增加模型对特定客户过拟合风险以及存在任务不平衡的问题。
-
-
-
-
-
-
-
-
-